| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 研究背景与问题提出 | 第14-18页 |
| 1.1.1 研究背景 | 第14-16页 |
| 1.1.2 问题提出 | 第16-18页 |
| 1.2 研究意义 | 第18-20页 |
| 1.3 本文研究内容与结构安排 | 第20-22页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 结构安排 | 第21-22页 |
| 1.4 研究方法与技术路线 | 第22-24页 |
| 1.4.1 研究方法 | 第22-24页 |
| 1.4.2 技术路线 | 第24页 |
| 1.5 本文创新点 | 第24-26页 |
| 第二章 文献综述 | 第26-42页 |
| 2.1 引言 | 第26-28页 |
| 2.1.1 微博的发展 | 第26页 |
| 2.1.2 微博相关概念 | 第26-27页 |
| 2.1.3 企业微博营销应用 | 第27-28页 |
| 2.2 相关研究综述 | 第28-40页 |
| 2.2.1 微博用户关注意愿研究 | 第30-31页 |
| 2.2.2 微博用户关注预测研究 | 第31-33页 |
| 2.2.3 微博信息传播意愿研究 | 第33-35页 |
| 2.2.4 企业微博信息转发预测研究 | 第35-39页 |
| 2.2.5 关系营销相关研究 | 第39-40页 |
| 2.3 本章小结 | 第40-42页 |
| 第三章 微博用户关注意愿研究 | 第42-61页 |
| 3.1 引言 | 第42-43页 |
| 3.2 微博用户关注意愿模型的构建 | 第43-49页 |
| 3.2.1 满意度对关注意愿的影响 | 第43页 |
| 3.2.2 满意度对信任的影响 | 第43-44页 |
| 3.2.3 信任对关注意愿的影响 | 第44页 |
| 3.2.4 满意度影响因素研究 | 第44-46页 |
| 3.2.5 企业形象因素研究 | 第46-47页 |
| 3.2.6 兴趣相似度和活跃度的调节作用 | 第47-48页 |
| 3.2.7 信任和满意度的中介作用 | 第48-49页 |
| 3.3 研究设计 | 第49-51页 |
| 3.3.1 量表开发 | 第49-50页 |
| 3.3.2 样本与数据收集 | 第50-51页 |
| 3.4 实证研究 | 第51-58页 |
| 3.4.1 共同方法偏差检验 | 第51页 |
| 3.4.2 信度与效度检验 | 第51-54页 |
| 3.4.3 假设检验 | 第54-55页 |
| 3.4.4 调节作用的检验 | 第55-56页 |
| 3.4.5 中介作用检验 | 第56-58页 |
| 3.5 结果讨论 | 第58-59页 |
| 3.6 管理启示 | 第59-60页 |
| 3.7 本章小结 | 第60-61页 |
| 第四章 微博用户关注行为预测研究 | 第61-78页 |
| 4.1 引言 | 第61-62页 |
| 4.2 相关理论 | 第62-64页 |
| 4.2.1 支持向量机理论简述 | 第62-63页 |
| 4.2.2 标准支持向量机 | 第63-64页 |
| 4.2.3 近似支持向量机 | 第64页 |
| 4.3 DFP-SVM模型的构建 | 第64-69页 |
| 4.3.1 密度加权惩罚因子 | 第65-66页 |
| 4.3.2 建立DFP-SVM模型 | 第66-67页 |
| 4.3.3 模糊隶属度函数及其优化 | 第67-69页 |
| 4.4 基于DFP-SVM的用户关注行为预测模型的建立 | 第69-73页 |
| 4.4.1 问题描述 | 第69-70页 |
| 4.4.2 预测特征的选取 | 第70-72页 |
| 4.4.3 基于DFP-SVM的关注行为预测 | 第72-73页 |
| 4.5 实验设计与实验结果 | 第73-76页 |
| 4.5.1 数据描述 | 第73页 |
| 4.5.2 数据预处理 | 第73-74页 |
| 4.5.3 训练和测试样本 | 第74-75页 |
| 4.5.4 实验结果 | 第75-76页 |
| 4.6 本章小结 | 第76-78页 |
| 第五章 微博用户信息传播意愿研究 | 第78-100页 |
| 5.1 引言 | 第78-79页 |
| 5.2 微博信息传播意愿模型的构建 | 第79-86页 |
| 5.2.1 关系资本与关系营销理论 | 第79-82页 |
| 5.2.2 个人动机 | 第82-84页 |
| 5.2.3 满意度影响因素 | 第84页 |
| 5.2.4 信任和承诺的中介作用 | 第84-85页 |
| 5.2.5 兴趣相似度和交互倾向的调节作用 | 第85-86页 |
| 5.3 研究设计 | 第86-90页 |
| 5.3.1 测量工具开发 | 第86-89页 |
| 5.3.2 样本与数据收集 | 第89-90页 |
| 5.4 实证研究 | 第90-98页 |
| 5.4.1 共同方法偏差检验 | 第90-91页 |
| 5.4.2 效度与信度检验 | 第91-93页 |
| 5.4.3 假设检验 | 第93-94页 |
| 5.4.4 中介作用检验 | 第94-95页 |
| 5.4.5 调节作用的检验 | 第95-98页 |
| 5.5 管理意义 | 第98页 |
| 5.6 本章小结 | 第98-100页 |
| 第六章 基于信任随机游走模型的微博信息转发预测 | 第100-120页 |
| 6.1 引言 | 第100-101页 |
| 6.2 问题的提出 | 第101-103页 |
| 6.2.1 问题定义 | 第101-102页 |
| 6.2.2 问题的提出 | 第102-103页 |
| 6.3 微博信息转发模型的构建 | 第103-111页 |
| 6.3.1 信任随机游走模型 | 第104-105页 |
| 6.3.2 信任定义 | 第105页 |
| 6.3.3 用户兴趣相似性 | 第105-110页 |
| 6.3.4 信息转发预测算法 | 第110-111页 |
| 6.4 实验设计与结果分析 | 第111-118页 |
| 6.4.1 微博用户信息获取 | 第111-113页 |
| 6.4.2 用户兴趣建模及相似度计算 | 第113-116页 |
| 6.4.3 实验数据 | 第116页 |
| 6.4.4 预测结果与分析 | 第116-118页 |
| 6.5 本章小结 | 第118-120页 |
| 第七章 结论与展望 | 第120-124页 |
| 7.1 总结与创新点 | 第120-123页 |
| 7.1.1 全文总结 | 第120-122页 |
| 7.1.2 主要创新点 | 第122-123页 |
| 7.2 研究局限与展望 | 第123-124页 |
| 致谢 | 第124-125页 |
| 参考文献 | 第125-139页 |
| 附录 | 第139-142页 |
| 攻博期间取得的研究成果 | 第142-143页 |